OpenClaw 迁移指南:如何把 AI 助手搬到新电脑

OpenClaw 迁移指南:如何把 AI 助手搬到新电脑

本文记录如何将 OpenClaw AI 助手(包括记忆、配置、本地模型)完整迁移到新电脑。

目录


概述

OpenClaw 是一个开源的 AI 助手框架,支持多渠道接入(钉钉、Telegram、Discord 等)。它的数据主要分为三部分:

内容说明位置
程序本体OpenClaw 运行时npm 全局包
配置文件API Key、渠道配置等~/.openclaw/config.yaml
工作空间记忆、脚本、文档~/.openclaw/workspace/

其中,工作空间可以用 Git 管理,实现跨设备同步和版本控制。


架构说明

~/.openclaw/ ├── config.yaml # 配置文件(API Key、渠道等) ├── workspace/ # 工作空间(Git 仓库) │ ├── AGENTS.md # AI 行为规范 │ ├── SOUL.md # AI 人格定义 │ ├── USER.md # 用户信息 │ ├── IDENTITY.md # AI 身份 │ ├── MEMORY.md # 长期记忆 │ ├── TOOLS.md # 工具配置笔记 │ ├── HEARTBEAT.md # 心跳任务 │ ├── memory/ # 每日记忆 │ │ ├── 2026-02-03.md │ │ └── 2026-02-04.md │ ├── scripts/ # 自定义脚本 │ │ ├── dingtalk-notify.sh │ │ ├── dingtalk-send.sh │ │ └── llama-server.sh │ └── docs/ # 文档 └── logs/ # 日志 

迁移步骤

1. 安装 OpenClaw

前置要求: Node.js 18+

# Ubuntu/Debian - 安装 Node.jscurl -fsSL https://deb.nodesource.com/setup_22.x |sudo -E bash - sudoaptinstall -y nodejs # 或使用 nvm(推荐)curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh |bashsource ~/.bashrc nvm install22 nvm use 22# 安装 OpenClawnpminstall -g openclaw # 验证安装 openclaw --version 

2. 克隆记忆仓库

# 创建 OpenClaw 目录mkdir -p ~/.openclaw cd ~/.openclaw # 克隆工作空间(替换为你的仓库地址)git clone [email protected]:hongmaple/maple-bot-chat.git workspace # 如果是首次使用,需要配置 SSH 密钥 ssh-keygen -t ed25519 -C "[email protected]"cat ~/.ssh/id_ed25519.pub # 将公钥添加到 Gitee 账号

3. 恢复配置文件

配置文件包含敏感信息(API Key),建议手动复制或使用加密备份

方法 A:手动复制

从旧电脑复制 ~/.openclaw/config.yaml 到新电脑相同位置。

方法 B:从模板创建

# 初始化配置 openclaw init # 编辑配置文件nano ~/.openclaw/config.yaml 

配置文件示例:

# ~/.openclaw/config.yamlversion:"1"# AI 模型配置models:default: anthropic/claude-sonnet-4-20250514providers:anthropic:apiKey:"sk-ant-xxxxx"# 你的 API Key# 渠道配置(可选)channels:dingtalk:enabled:trueappKey:"your-app-key"appSecret:"your-app-secret"replyMode:"markdown"# 心跳配置heartbeat:enabled:trueintervalMinutes:30

4. 启动服务

# 启动 OpenClaw Gateway openclaw gateway start # 查看状态 openclaw gateway status # 查看日志 openclaw gateway logs 

可选:本地模型迁移

如果你使用 llama.cpp 运行本地模型,也需要迁移。

安装 llama.cpp

# 安装依赖sudoaptinstall -y build-essential cmake # 克隆并编译cd ~ git clone https://github.com/ggml-org/llama.cpp.git cd llama.cpp mkdir -p build &&cd build cmake .. cmake --build . --config Release -j$(nproc)

下载模型

cd ~/llama.cpp/models # 使用国内镜像下载(推荐)wget https://hf-mirror.com/Qwen/Qwen2.5-3B-Instruct-GGUF/resolve/main/qwen2.5-3b-instruct-q4_k_m.gguf # 或者从旧电脑复制模型文件(约 2GB)# scp old-pc:~/llama.cpp/models/*.gguf .

使用启动脚本

工作空间中包含了 llama-server 启动脚本:

# 创建软链接ln -sf ~/.openclaw/workspace/scripts/llama-server.sh ~/llama-server # 启动服务 ~/llama-server start # 查看状态 ~/llama-server status # 测试 API ~/llama-server test

API 地址:http://127.0.0.1:11434/v1/chat/completions


可选:钉钉机器人配置

企业内部应用(双向通信)

  1. 登录 钉钉开放平台
  2. 创建企业内部应用 → 机器人
  3. 获取 AppKey 和 AppSecret
  4. 配置消息接收地址:https://your-domain/webhook/dingtalk
  5. config.yaml 中配置

Webhook 机器人(仅推送)

  1. 在钉钉群 → 群设置 → 智能群助手 → 添加机器人
  2. 选择"自定义 Webhook"
  3. 记录 Webhook URL 和加签密钥
  4. 使用 scripts/dingtalk-notify.sh 发送消息
# 使用示例 ~/.openclaw/workspace/scripts/dingtalk-notify.sh "这是一条测试消息"

迁移清单

使用此清单确保迁移完整:

  • 新电脑安装 Node.js 18+
  • 安装 OpenClaw:npm install -g openclaw
  • 克隆工作空间:git clone ... ~/.openclaw/workspace
  • 复制/创建配置文件:~/.openclaw/config.yaml
  • 配置 SSH 密钥(用于 Git 同步)
  • 启动服务:openclaw gateway start
  • (可选)安装 llama.cpp 和模型
  • (可选)配置钉钉机器人
  • 测试 AI 对话是否正常

常见问题

Q: 迁移后 AI 还记得之前的事吗?

A: 是的!记忆存储在 workspace/memory/MEMORY.md 中,通过 Git 同步后会完整保留。

Q: API Key 需要重新申请吗?

A: 不需要,直接复制旧的 config.yaml 即可。但建议定期轮换 Key 以保证安全。

Q: 本地模型文件很大,如何快速迁移?

A: 几个选项:

  1. 局域网直接复制(最快)
  2. 移动硬盘
  3. 重新下载(使用 hf-mirror.com 国内镜像)

Q: 如何在多台电脑同时使用?

A: 可以,但注意:

  1. 只能有一台电脑运行 OpenClaw Gateway(避免消息重复)
  2. 工作空间通过 Git 同步,注意解决冲突
  3. 或者使用云服务器部署,多设备访问

Q: Windows 可以用吗?

A: 推荐使用 WSL2(Windows Subsystem for Linux),体验与原生 Linux 一致。


相关链接

Read more

介绍终身机器人学习的数据集LIBERO

介绍终身机器人学习的数据集LIBERO

1 LIBERO的作用 LIBERO是一个用于研究多任务和终身机器人学习中知识迁移的综合基准测试平台,LIBERO是基于robosuite框架构建的。它专注于机器人操作任务,这些任务需要两类知识: 1. 陈述性知识:关于物体和空间关系的知识 2. 程序性知识:关于运动和行为的知识 2 核心原理 任务生成与基准设计 LIBERO提供了一个程序化生成管道,原则上可以生成无限数量的操作任务。系统包含130个任务,分为四个任务套件,每个套件都有受控的分布偏移: * LIBERO-Spatial/Object/Goal:专注于特定类型知识的迁移 * LIBERO-100:包含需要迁移纠缠知识的100个操作任务 学习框架 系统采用模仿学习作为主要学习方法,因为任务使用稀疏奖励函数(任务完成时获得+1奖励)。LIBERO提供高质量的人类遥操作演示数据集用于训练。 算法与策略架构 LIBERO实现了三种视觉运动策略网络: * bc_rnn_policy:基于RNN的行为克隆策略 * bc_transformer_policy:基于Transformer的行为克隆策略

【论文阅读】Self-supervised Learning of Person-specific Facial Dynamics for APR

【论文阅读】Self-supervised Learning of Person-specific Facial Dynamics for APR

基于特定人物面部动态的自监督学习自动人格识别 * 摘要 * 引言INTRODUCTION * 相关工作 * 五因素模型 * 人格、面部行为与情绪之间的关系 * 基于视频的自动人格预测 * 方法 * 面部动态的自监督学习 * 人格化描述提取 * 训练人格模型 * 实验 * 人格数据库 * 实现细节 * 评价指标 * 消融实验 * 与其他方法的比较 * 结论 论文 关键词:自动人格分析(APR),排序损失,面部时间演变,人格化动态层,自监督学习,卷积神经网络,CNN权重表示 本文主要创新点在于:自监督学习、关注个性化特征 摘要 本文旨在解决现有自动人格分析系统中频繁出现的两个重要问题:1. 使用短视频片段甚至单帧,而非长期行为来推断人格特质;2. 缺乏对特定个体面部动态进行编码以用于人格识别的方法。为解决这些问题,本文提出了一种新颖的排序损失(Rank Loss)利用面部动作的自然时间演变,而非人格标签,来进行面部动态的自监督学习。我们首先训练一个通用的U-net风格模型从一组未标记的面部视频中学

OpenClaw 完整安装与配置文档(包含Minimax/deepseek模型接入、飞书机器人接入)

OpenClaw 完整安装与配置文档 文档说明:本文档适用于 Linux 系统(Debian/Ubuntu 系列),详细梳理 OpenClaw 从基础环境准备、核心程序安装,到模型配置(Minimax/DeepSeek)、飞书渠道对接的全流程,所有交互式配置选项完整呈现,步骤可直接复制执行,适配新手操作。 适用场景:OpenClaw 新手部署、企业内部飞书机器人对接、Minimax/DeepSeek 模型配置 前置说明: 1. 服务器需联网,确保能访问 GitHub、npm、飞书官网; 2. 操作全程使用终端命令行,建议使用远程工具(如 Xshell、Putty)连接服务器; 3. 复制命令时需完整复制,避免遗漏特殊符号; 4. 所有交互式配置选项均完整列出,按文档指引选择即可。 5. 拥有root用户/sudo权限。

山东大学《Web数据管理》期末复习宝典【万字解析!】

山东大学《Web数据管理》期末复习宝典【万字解析!】

🌈 个人主页:十二月的猫-ZEEKLOG博客 🔥 系列专栏:🏀山东大学期末速通专用_十二月的猫的博客-ZEEKLOG博客 💪🏻 十二月的寒冬阻挡不了春天的脚步,十二点的黑夜遮蔽不住黎明的曙光  目录 1. 第二章 网络爬虫 1.1 爬虫基础知识 1.2 爬虫分类 1.3 开源工具 Nutch 2. 第三章 网页分析 2.1 正则表达式 2.2 DOM模型 2.3 Beautiful Soup工具 2.4 Scrapy框架 2.5 不同爬虫工具比较 2.6 元搜索引擎 3. 第四章 爬虫与网站的博弈 3.1 Robot协议 3.